突破性AI模型30毫秒模拟宇宙，精度达2.8%
天体物理学家通常用N体模拟预测宇宙结构形成，但计算成本高昂。美国研究团队开发深度学习替代模型——深度密度位移模型（D3M），用深度学习技术在极短时间内输出更精准的3D宇宙模拟。
深度密度位移模型（D3M）
D3M在单一宇宙学参数集上训练，不仅快速准确，还能精确模拟改变特定参数（如暗物质含量）后的宇宙面貌，尽管从未在该参数变化数据上训练。D3M模拟引力（最重要力）对宇宙的影响，计算引力如何在整个宇宙演化过程中移动数十亿个粒子。
参考文献：PNAS | DOI:10.1073/pnas.1821458116 | Simons Foundation
研究者用约8000个最精确模型的模拟训练D3M。训练完成后，在6亿光年宽的方形宇宙中运行模拟，与现有最先进模型对比。精准但缓慢的方法需数百小时，快速方法需数分钟，D3M仅用30毫秒。相对误差从快速方法的9.3%降至2.8%。最特别的是D3M对训练数据未含的宇宙学参数变化表现出卓越外推能力。
D3M与二阶拉格朗日微扰理论（2LPT）生成的N体模拟精度对比，网格颜色代表平均位移误差（百万光年）
后续研究将尝试建模流体动力学等其他力，引入更高分辨率模拟提升复杂度，并分析D3M工作机制，推动机器学习方法进步。
延伸阅读：宇宙膨胀速度比预期快9% | 新测量结果
工业技术